Architettura

Kimi K3 è un modello Mixture-of-Experts (MoE) sparso da 2,8 trilioni di parametri. Dei suoi 896 esperti totali, solo 16 sono attivi per ogni token, una scelta progettuale che mira a offrire la potenza di un modello enorme con il costo computazionale di uno molto più piccolo . Le sue innovazioni architetturali chiave includono:

• Stable LatentMoE: la formulazione MoE personalizzata di Moonshot, che l'azienda afferma migliori la stabilità e l'efficienza dell'addestramento .
• Kimi Delta Attention (KDA) e Attention Residuals (AttnRes): nuovi meccanismi di attenzione che, secondo Moonshot, offrono un addestramento e un'inferenza fino a 6,3 volte più veloci rispetto ai meccanismi di attenzione standard .
• Finestra di contesto da 1 milione di token con capacità di visione nativa, che consente al modello di elaborare documenti lunghi e immagini in un unico prompt .
• Al momento del lancio, K3 funziona esclusivamente in una modalità di ragionamento "max-effort" predefinita; non è ancora disponibile un'opzione di inferenza più veloce o leggera .

Queste scelte architetturali posizionano K3 come una sfida diretta ai modelli closed-source più costosi, con l'obiettivo di eguagliarne l'intelligenza offrendo un valore sostanzialmente migliore.

Prestazioni nei Benchmark

I punteggi di Kimi K3 nei benchmark lo collocano all'incirca tra i modelli chiusi di primo livello e il gruppo dei modelli open-weight. Ecco i punteggi indipendenti chiave :

• Artificial Analysis Intelligence Index: 57,1 – si classifica al 4° posto assoluto, dietro a Claude Fable 5 (~60) e GPT-5.6 Sol (~59), e leggermente davanti a Claude Opus 4.8 (~56) .
• LMArena Frontend Code Arena: #1 – K3 ha conquistato il primo posto nei test alla cieca per la codifica front-end, superando tutti gli altri modelli, inclusi Claude Fable 5 e GPT-5.6 Sol .
• LMArena Chatbot Arena (StyleCtrl): 9° posto assoluto con un Elo di circa 1380 .
• GPQA Diamond: ha ottenuto il 93,5%, il risultato open-weight più forte al momento del lancio, superando di poco il 92,6% di Claude Fable 5 in questo benchmark di ragionamento scientifico a livello di dottorato .
• SWE-bench Verified: punteggio dichiarato dal fornitore superiore all'80%, che indica una solida performance nella codifica agentica .
• Terminal-Bench 2.1: ha ottenuto l'88,3%, superando Claude Fable 5 in questo benchmark agentico per terminale .
• GDPval v2: ha ottenuto 1668 Elo in questa classifica per lavori di conoscenza, superando Claude Opus 4.8 (1600) ma restando dietro a Claude Fable 5 (1760) e GPT-5.6 Sol (1748) .

Nel confronto di lancio con 14 grafici pubblicato da Moonshot, K3 batte Claude Fable 5 in 6 benchmark: Terminal-Bench 2.1, Program Bench, SWE Marathon, Automation Bench, SpreadsheetBench 2 e BrowseComp. Fable 5 vince i restanti 8, con FrontierSWE che mostra il divario più ampio (86,6 contro 81,2 di K3) .

I tester indipendenti notano che K3 è più lento e verboso rispetto a modelli comparabili e che per ora è disponibile solo la modalità di inferenza "max effort" . Tutti i confronti di benchmark si basano attualmente su dichiarazioni del fornitore e aggregazioni di terze parti di Artificial Analysis e LMArena; la verifica indipendente e peer-reviewed dell'intera suite è ancora in sospeso .

Prezzi

I prezzi dell'API di Kimi K3 al 16 luglio 2026 :

• Input (cache miss): $3,00 per milione di token
• Input in cache: $0,375 per milione di token (indicato come $0,30 in diverse fonti )
• Output: $15,00 per milione di token

Questi prezzi sono circa da 3 a 10 volte inferiori a quelli di Claude Fable 5 e GPT-5.6 Sol su base per-token . Tuttavia, sono anche circa da tre a quattro volte più costosi del precedente modello di punta di Moonshot, K2, segnando la fine dell'era delle API cinesi ultra-economiche . Il prezzo è fisso per l'intera finestra da 1 milione di token, non scaglionato per fascia di contesto .

Tempistiche di Rilascio Open-Weight

• Lancio API: 16 luglio 2026 su platform.kimi.ai .
• Pesi completi su Hugging Face: Promessi entro il 27 luglio 2026, con una licenza Modified MIT, che consente l'uso commerciale ma include alcune restrizioni .
• Al momento dei report disponibili (fino al 18 luglio 2026), i pesi non sono ancora pubblici: sono disponibili solo l'API e un programma di accesso per ricercatori .
• Una volta rilasciato, K3 sarà il modello open-weight più grande mai pubblicato, superando di gran lunga DeepSeek V4 Pro (1,6 trilioni di parametri) e la serie GLM 5 di Zhipu AI (744 miliardi) .

Il rollout in due fasi – API a pagamento prima, pesi aperti undici giorni dopo – è la forma che definisce questo annuncio . Moonshot chiama K3 "intelligenza di frontiera aperta", ma è più corretto descriverlo come un impegno open-weight piuttosto che una pratica realtà, finché il checkpoint non sarà scaricabile .

Contesto Strategico e di Finanziamento

Moonshot AI è stata protagonista di una straordinaria corsa ai finanziamenti, spinta dalla necessità di tenere il passo nella ipercompetitiva corsa all'IA cinese :

• Novembre 2025: Raccolta fondi a una valutazione di circa $4 miliardi .
• Febbraio 2026: Chiusura di un Series Unknown da oltre $700 milioni .
• Maggio 2026: Raccolta di circa $2 miliardi a una valutazione di $20 miliardi, guidata dal braccio venture di Meituan, Long-Z Investments .
• Giugno 2026: Avvio di trattative per un altro round da $1-2 miliardi con una valutazione target di $30 miliardi – il terzo aumento in sei mesi .

Il totale dei finanziamenti dichiarati è di circa $3,77 miliardi in 4 round . Tra i sostenitori figurano Alibaba, Tencent, Meituan, 5Y Capital, IDG Capital e Zhen Fund . Ad aprile 2026, il fatturato annuo ricorrente di Moonshot ha superato i $200 milioni, trainato dagli abbonamenti al chatbot Kimi e ai servizi di modelli IA .

Il quadro strategico: Moonshot sta bruciando capitali in modo aggressivo per rimanere in gara . Il lancio di K3 segnala che Moonshot è in grado di fornire modelli aperti di livello frontiera a una frazione del costo dei rivali statunitensi, un punto di forza chiave per le aziende globali che mettono in dubbio il ROI dei prezzi di Anthropic e OpenAI . La strategia open-weight posiziona anche K3 come un concorrente diretto dei modelli aperti di DeepSeek per le implementazioni enterprise self-hosted .

Architettura

Kimi K3 è un modello Mixture-of-Experts (MoE) sparso da 2,8 trilioni di parametri. Dei suoi 896 esperti totali, solo 16 sono attivi per ogni token, una scelta progettuale che mira a offrire la potenza di un modello enorme con il costo computazionale di uno molto più piccolo . Le sue innovazioni architetturali chiave includono:

• Stable LatentMoE: la formulazione MoE personalizzata di Moonshot, che l'azienda afferma migliori la stabilità e l'efficienza dell'addestramento .
• Kimi Delta Attention (KDA) e Attention Residuals (AttnRes): nuovi meccanismi di attenzione che, secondo Moonshot, offrono un addestramento e un'inferenza fino a 6,3 volte più veloci rispetto ai meccanismi di attenzione standard .
• Finestra di contesto da 1 milione di token con capacità di visione nativa, che consente al modello di elaborare documenti lunghi e immagini in un unico prompt .
• Al momento del lancio, K3 funziona esclusivamente in una modalità di ragionamento "max-effort" predefinita; non è ancora disponibile un'opzione di inferenza più veloce o leggera .

Queste scelte architetturali posizionano K3 come una sfida diretta ai modelli closed-source più costosi, con l'obiettivo di eguagliarne l'intelligenza offrendo un valore sostanzialmente migliore.

Prestazioni nei Benchmark

I punteggi di Kimi K3 nei benchmark lo collocano all'incirca tra i modelli chiusi di primo livello e il gruppo dei modelli open-weight. Ecco i punteggi indipendenti chiave :

• Artificial Analysis Intelligence Index: 57,1 – si classifica al 4° posto assoluto, dietro a Claude Fable 5 (~60) e GPT-5.6 Sol (~59), e leggermente davanti a Claude Opus 4.8 (~56) .
• LMArena Frontend Code Arena: #1 – K3 ha conquistato il primo posto nei test alla cieca per la codifica front-end, superando tutti gli altri modelli, inclusi Claude Fable 5 e GPT-5.6 Sol .
• LMArena Chatbot Arena (StyleCtrl): 9° posto assoluto con un Elo di circa 1380 .
• GPQA Diamond: ha ottenuto il 93,5%, il risultato open-weight più forte al momento del lancio, superando di poco il 92,6% di Claude Fable 5 in questo benchmark di ragionamento scientifico a livello di dottorato .
• SWE-bench Verified: punteggio dichiarato dal fornitore superiore all'80%, che indica una solida performance nella codifica agentica .
• Terminal-Bench 2.1: ha ottenuto l'88,3%, superando Claude Fable 5 in questo benchmark agentico per terminale .
• GDPval v2: ha ottenuto 1668 Elo in questa classifica per lavori di conoscenza, superando Claude Opus 4.8 (1600) ma restando dietro a Claude Fable 5 (1760) e GPT-5.6 Sol (1748) .

Nel confronto di lancio con 14 grafici pubblicato da Moonshot, K3 batte Claude Fable 5 in 6 benchmark: Terminal-Bench 2.1, Program Bench, SWE Marathon, Automation Bench, SpreadsheetBench 2 e BrowseComp. Fable 5 vince i restanti 8, con FrontierSWE che mostra il divario più ampio (86,6 contro 81,2 di K3) .

I tester indipendenti notano che K3 è più lento e verboso rispetto a modelli comparabili e che per ora è disponibile solo la modalità di inferenza "max effort" . Tutti i confronti di benchmark si basano attualmente su dichiarazioni del fornitore e aggregazioni di terze parti di Artificial Analysis e LMArena; la verifica indipendente e peer-reviewed dell'intera suite è ancora in sospeso .

Prezzi

I prezzi dell'API di Kimi K3 al 16 luglio 2026 :

• Input (cache miss): $3,00 per milione di token
• Input in cache: $0,375 per milione di token (indicato come $0,30 in diverse fonti )
• Output: $15,00 per milione di token

Questi prezzi sono circa da 3 a 10 volte inferiori a quelli di Claude Fable 5 e GPT-5.6 Sol su base per-token . Tuttavia, sono anche circa da tre a quattro volte più costosi del precedente modello di punta di Moonshot, K2, segnando la fine dell'era delle API cinesi ultra-economiche . Il prezzo è fisso per l'intera finestra da 1 milione di token, non scaglionato per fascia di contesto .

Tempistiche di Rilascio Open-Weight

• Lancio API: 16 luglio 2026 su platform.kimi.ai .
• Pesi completi su Hugging Face: Promessi entro il 27 luglio 2026, con una licenza Modified MIT, che consente l'uso commerciale ma include alcune restrizioni .
• Al momento dei report disponibili (fino al 18 luglio 2026), i pesi non sono ancora pubblici: sono disponibili solo l'API e un programma di accesso per ricercatori .
• Una volta rilasciato, K3 sarà il modello open-weight più grande mai pubblicato, superando di gran lunga DeepSeek V4 Pro (1,6 trilioni di parametri) e la serie GLM 5 di Zhipu AI (744 miliardi) .

Il rollout in due fasi – API a pagamento prima, pesi aperti undici giorni dopo – è la forma che definisce questo annuncio . Moonshot chiama K3 "intelligenza di frontiera aperta", ma è più corretto descriverlo come un impegno open-weight piuttosto che una pratica realtà, finché il checkpoint non sarà scaricabile .

Contesto Strategico e di Finanziamento

Moonshot AI è stata protagonista di una straordinaria corsa ai finanziamenti, spinta dalla necessità di tenere il passo nella ipercompetitiva corsa all'IA cinese :

• Novembre 2025: Raccolta fondi a una valutazione di circa $4 miliardi .
• Febbraio 2026: Chiusura di un Series Unknown da oltre $700 milioni .
• Maggio 2026: Raccolta di circa $2 miliardi a una valutazione di $20 miliardi, guidata dal braccio venture di Meituan, Long-Z Investments .
• Giugno 2026: Avvio di trattative per un altro round da $1-2 miliardi con una valutazione target di $30 miliardi – il terzo aumento in sei mesi .

Il totale dei finanziamenti dichiarati è di circa $3,77 miliardi in 4 round . Tra i sostenitori figurano Alibaba, Tencent, Meituan, 5Y Capital, IDG Capital e Zhen Fund . Ad aprile 2026, il fatturato annuo ricorrente di Moonshot ha superato i $200 milioni, trainato dagli abbonamenti al chatbot Kimi e ai servizi di modelli IA .

Il quadro strategico: Moonshot sta bruciando capitali in modo aggressivo per rimanere in gara . Il lancio di K3 segnala che Moonshot è in grado di fornire modelli aperti di livello frontiera a una frazione del costo dei rivali statunitensi, un punto di forza chiave per le aziende globali che mettono in dubbio il ROI dei prezzi di Anthropic e OpenAI . La strategia open-weight posiziona anche K3 come un concorrente diretto dei modelli aperti di DeepSeek per le implementazioni enterprise self-hosted .